zb4153923c0 PDF
zb4153923c0 PDF
MZI
Fakultas Informatika
Telkom University
FIF Tel-U
Slide ini disusun berdasarkan materi yang terdapat pada sumber-sumber berikut:
1 Aplikasi Matriks dan Ruang Vektor, Edisi 1, 2014, oleh Adiwijaya.
2 Elementary Linear Algebra, 10th Edition, 2010, oleh H. Anton dan C. Rorres.
3 Slide kuliah Aljabar Linier di Telkom University oleh Jondri.
4 Slide kuliah Aljabar Linier di Fasilkom UI oleh Kasiyah M. Junus dan Siti
Aminah.
5 Slide kuliah Aljabar Linier di Fasilkom UI oleh L. Y. Stefanus.
Beberapa gambar dapat diambil dari sumber-sumber di atas. Slide ini ditujukan
untuk keperluan akademis di lingkungan FIF Telkom University. Jika Anda
memiliki saran/ pendapat/ pertanyaan terkait materi dalam slide ini, silakan kirim
email ke <pleasedontspam>@telkomuniversity.ac.id.
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Pada kuliah Aljabar Linier ini, kita tidak hanya meninjau transformasi linier di
ruang Euclid saja. Kita juga akan melihat transformasi-transformasi linier yang
mengaitkan dua ruang vektor yang struktur matematikanya berbeda (contoh:
tranformasi linier dari ruang matriks ke ruang polinom). Untuk itu, kita perlu
mende…nisikan tranformasi linier dengan de…nisi formal yang jelas.
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
De…nisi Fungsi
Jika A dan B adalah dua himpunan (keduanya tak kosong) maka suatu fungsi
f : A ! B adalah sebuah pengaitan yang mengaitkan setiap a 2 A dengan satu
b 2 B.
De…nisi Fungsi
Jika A dan B adalah dua himpunan (keduanya tak kosong) maka suatu fungsi
f : A ! B adalah sebuah pengaitan yang mengaitkan setiap a 2 A dengan satu
b 2 B.
Misalkan a 2 A. Jika f (a) = b, maka b disebut sebagai peta (image) dari a dan a
disebut sebagai prapeta (preimage) dari b. Lebih jauh kita memiliki
Im (f ) = R (f ) = Peta (f ) = ran (f ) = jangkauan (f ) =
fb 2 B j b = f (a) untuk suatu a 2 Ag.
Contoh
Diberikan fungsi f : R2 ! R3 yang dijelaskan berikut
Contoh
Diberikan fungsi f : R2 ! R3 yang dijelaskan berikut
Contoh
Diberikan fungsi f : R2 ! R3 yang dijelaskan berikut
Contoh
Diberikan fungsi f : R2 ! R3 yang dijelaskan berikut
Kemudian operator linier merupakan transformasi linier dari suatu ruang vektor ke
dirinya sendiri.
MZI (FIF Tel-U) Transformasi Linier November – Desember 2015 10 / 93
De…nisi Transformasi dan Tranformasi Linier
Latihan
Tentukan apakah fungsi-fungsi berikut merupakan transformasi linier/ operator
linier.
1 T : R2 ! R2 dengan T (x; y) = ( y; x).
2 T : R3 ! R2 dengan T (x; y; z) = (x y + z; 0).
3 T : R ! R dengan T (x) = 2x + 1.
4 T : R2 ! R2 dengan T (x; y) = (x; y + 1).
5 T : R4 ! R2 dengan T (x1 ; x2 ; x3 ; x4 ) = (1; 1).
Solusi:
1 T : R2 ! R2 dengan T (x; y) = ( y; x) adalah sebuah operator linier pada
R2 . Kita memiliki
1 T ((x1 ; y1 ) + (x2 ; y2 )) = T (x1 + x2 ; y1 + y2 ) = ( (y1 + y2 ) ; x1 + x2 ) =
( y1 ; x1 ) + ( y2 ; x2 ) = T (x1 ; y1 ) + T (x2 ; y2 ).
2 T ( (x; y)) = T ( x; y) = ( y; x) = ( y; x) = T (x; y).
Solusi:
1 T : R2 ! R2 dengan T (x; y) = ( y; x) adalah sebuah operator linier pada
R2 . Kita memiliki
1 T ((x1 ; y1 ) + (x2 ; y2 )) = T (x1 + x2 ; y1 + y2 ) = ( (y1 + y2 ) ; x1 + x2 ) =
( y1 ; x1 ) + ( y2 ; x2 ) = T (x1 ; y1 ) + T (x2 ; y2 ).
2 T ( (x; y)) = T ( x; y) = ( y; x) = ( y; x) = T (x; y).
2 T : R3 ! R2 dengan T (x; y; z) = (x y + z; 0) adalah suatu transformasi
linier dari R3 ke R2 . Kita memiliki
1 T ((x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 )) = T (x1 + x2 ; y1 + y2 ; z1 + z2 ) =
(x1 + x2 (y1 + y2 ) + z1 + z2 ; 0) = (x1 y1 + z1 ; 0) + (x2 y2 + z2 ; 0) =
T (x1 ; y1 ; z1 ) + T (x2 ; y2 ; z2 ).
2 T ( (x; y; z)) = T ( x; y; z) = ( x y + z; 0) = (x y + z; 0) =
T (x; y; z)
Solusi:
1 T : R2 ! R2 dengan T (x; y) = ( y; x) adalah sebuah operator linier pada
R2 . Kita memiliki
1 T ((x1 ; y1 ) + (x2 ; y2 )) = T (x1 + x2 ; y1 + y2 ) = ( (y1 + y2 ) ; x1 + x2 ) =
( y1 ; x1 ) + ( y2 ; x2 ) = T (x1 ; y1 ) + T (x2 ; y2 ).
2 T ( (x; y)) = T ( x; y) = ( y; x) = ( y; x) = T (x; y).
2 T : R3 ! R2 dengan T (x; y; z) = (x y + z; 0) adalah suatu transformasi
linier dari R3 ke R2 . Kita memiliki
1 T ((x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 )) = T (x1 + x2 ; y1 + y2 ; z1 + z2 ) =
(x1 + x2 (y1 + y2 ) + z1 + z2 ; 0) = (x1 y1 + z1 ; 0) + (x2 y2 + z2 ; 0) =
T (x1 ; y1 ; z1 ) + T (x2 ; y2 ; z2 ).
2 T ( (x; y; z)) = T ( x; y; z) = ( x y + z; 0) = (x y + z; 0) =
T (x; y; z)
3 T : R ! R dengan T (x) = 2x + 1 bukan transformasi linier, karena
T (0 0) = T (0) = 1 6= 0 1 = 0 T (0).
Solusi:
1 T : R2 ! R2 dengan T (x; y) = ( y; x) adalah sebuah operator linier pada
R2 . Kita memiliki
1 T ((x1 ; y1 ) + (x2 ; y2 )) = T (x1 + x2 ; y1 + y2 ) = ( (y1 + y2 ) ; x1 + x2 ) =
( y1 ; x1 ) + ( y2 ; x2 ) = T (x1 ; y1 ) + T (x2 ; y2 ).
2 T ( (x; y)) = T ( x; y) = ( y; x) = ( y; x) = T (x; y).
2 T : R3 ! R2 dengan T (x; y; z) = (x y + z; 0) adalah suatu transformasi
linier dari R3 ke R2 . Kita memiliki
1 T ((x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 )) = T (x1 + x2 ; y1 + y2 ; z1 + z2 ) =
(x1 + x2 (y1 + y2 ) + z1 + z2 ; 0) = (x1 y1 + z1 ; 0) + (x2 y2 + z2 ; 0) =
T (x1 ; y1 ; z1 ) + T (x2 ; y2 ; z2 ).
2 T ( (x; y; z)) = T ( x; y; z) = ( x y + z; 0) = (x y + z; 0) =
T (x; y; z)
3 T : R ! R dengan T (x) = 2x + 1 bukan transformasi linier, karena
T (0 0) = T (0) = 1 6= 0 1 = 0 T (0).
4 T : R2 ! R2 dengan T (x; y) = (x; y + 1) bukan transformasi linier (dan
karenanya bukan pemetaan linier) karena
T (0 (0; 0)) = T (0; 0) = (0; 1) 6= 0 (0; 0) = 0 T (0; 0).
Solusi:
1 T : R2 ! R2 dengan T (x; y) = ( y; x) adalah sebuah operator linier pada
R2 . Kita memiliki
1 T ((x1 ; y1 ) + (x2 ; y2 )) = T (x1 + x2 ; y1 + y2 ) = ( (y1 + y2 ) ; x1 + x2 ) =
( y1 ; x1 ) + ( y2 ; x2 ) = T (x1 ; y1 ) + T (x2 ; y2 ).
2 T ( (x; y)) = T ( x; y) = ( y; x) = ( y; x) = T (x; y).
2 T : R3 ! R2 dengan T (x; y; z) = (x y + z; 0) adalah suatu transformasi
linier dari R3 ke R2 . Kita memiliki
1 T ((x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 )) = T (x1 + x2 ; y1 + y2 ; z1 + z2 ) =
(x1 + x2 (y1 + y2 ) + z1 + z2 ; 0) = (x1 y1 + z1 ; 0) + (x2 y2 + z2 ; 0) =
T (x1 ; y1 ; z1 ) + T (x2 ; y2 ; z2 ).
2 T ( (x; y; z)) = T ( x; y; z) = ( x y + z; 0) = (x y + z; 0) =
T (x; y; z)
3 T : R ! R dengan T (x) = 2x + 1 bukan transformasi linier, karena
T (0 0) = T (0) = 1 6= 0 1 = 0 T (0).
4 T : R2 ! R2 dengan T (x; y) = (x; y + 1) bukan transformasi linier (dan
karenanya bukan pemetaan linier) karena
T (0 (0; 0)) = T (0; 0) = (0; 1) 6= 0 (0; 0) = 0 T (0; 0).
5 T : R4 ! R2 dengan T (x1 ; x2 ; x3 ; x4 ) = (1; 1) bukan transformasi linier
karena
T (0 (0; 0; 0; 0)) = T (0; 0; 0; 0) = (1; 1) 6= 0 (1; 1) = 0 T (0; 0; 0; 0).
MZI (FIF Tel-U) Transformasi Linier November – Desember 2015 12 / 93
De…nisi Transformasi dan Tranformasi Linier
Teorema
Diberikan ruang vektor V dan W dan sebuah transformasi linier T : V ! W ,
maka
1 T ~0V = ~0W , dengan ~0V dan ~0W berturut-turut menyatakan vektor nol di
V dan W ,
2 T ( ~v ) = T (~v ) untuk setiap ~v 2 V
3 T (~u ~v ) = T (~u) T (~v ) untuk setiap ~u; ~v 2 V .
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Teorema
Diberikan dua ruang Euclid Rm dan Rn . Jika A adalah sebuah matriks n m
dan TA : Rm ! Rn adalah transformasi yang dide…nisikan sebagai
TA (~v ) = A~v
Bukti
Teorema
Diberikan dua ruang Euclid Rm dan Rn . Jika A adalah sebuah matriks n m
dan TA : Rm ! Rn adalah transformasi yang dide…nisikan sebagai
TA (~v ) = A~v
Bukti
Untuk setiap 2 R dan ~v 2 Rm kita memiliki
T ( ~v ) = A ( ~v ) = A~v = TA (~v ). Kemudian untuk setiap ~u; ~v 2 Rm kita
memiliki TA (~u + ~v ) = A (~u + ~v ) = A~u + A~v = TA (~u) + TA (~v ). Jadi TA adalah
transformasi linier.
Catatan
Perlu diingat bahwa pada teorema tersebut, [T ] maupun [TA ] adalah matriks
berukuran n m yang sama dengan A. Kita mengatakan bahwa [T ] maupun
[TA ] sebagai matriks standar dari transformasi linier antar ruang Euclid yang
bersesuaian dengan transformasi linier TA .
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
De…nisi
Misalkan V adalah sebuah ruang vektor atas C dan T : V ! V adalah sebuah
operator linier. Suatu vektor tak nol ~v 2 V dikatakan sebagai vektor eigen dari T
yang bersesuaian dengan nilai eigen 2 C apabila T (~v ) = ~v .
Catatan
De…nisi
Misalkan V adalah sebuah ruang vektor atas C dan T : V ! V adalah sebuah
operator linier. Suatu vektor tak nol ~v 2 V dikatakan sebagai vektor eigen dari T
yang bersesuaian dengan nilai eigen 2 C apabila T (~v ) = ~v .
Catatan
Ketika V adalah ruang Euclid Rn maka [T ] adalah sebuah matriks persegi berorde
n. Akibatnya nilai maupun vektor eigen dari T dapat diperoleh dengan mencari
nilai dan vektor eigen dari [T ].
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
De…nisi
Diberikan ruang vektor V dan W dan suatu transformasi linier T : V ! W .
Kernel (atau inti) dari T dide…nisikan sebagai
n o
ker (T ) = Inti (T ) = ~v 2 V j T (~v ) = ~0W
Teorema
Jika T : V ! W adalah sebuah transformasi linier, maka ker (T ) adalah subruang
dari
Teorema
Jika T : V ! W adalah sebuah transformasi linier, maka ker (T ) adalah subruang
dari V .
Teorema
Jika T : V ! W adalah sebuah transformasi linier, maka Im (T ) adalah subruang
dari
Teorema
Jika T : V ! W adalah sebuah transformasi linier, maka ker (T ) adalah subruang
dari V .
Teorema
Jika T : V ! W adalah sebuah transformasi linier, maka Im (T ) adalah subruang
dari W .
nulitas (T ) =
dan
rank (T ) =
dan
rank (T ) = dim (Im (T )) .
serta
serta
Hati-hati dalam penulisan notasi, karena null dan col (biasanya) hanya kita
gunakan untuk matriks saja, sedangkan ker dan Im (biasanya) boleh
digunakan baik untuk matriks maupun transformasi linier.
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yang memetakan
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yang memetakan
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) = m dan rank(TO ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) = m dan rank(TO ) = 0.
Operator Identitas
Diberikan ruang Euclid Rn dan matriks identitas I berorde n, maka transformasi
TI : Rn ! Rn adalah sebuah operator linier yang memetakan setiap ~v 2 V ke
dirinya sendiri. Kita memiliki ker (TI ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) = m dan rank(TO ) = 0.
Operator Identitas
Diberikan ruang Euclid Rn dan matriks identitas I berorde n, maka transformasi
TI : Rn ! Rn adalah sebuah operator liniern oyang memetakan setiap ~v 2 V ke
dirinya sendiri. Kita memiliki ker (TI ) = ~0 dan Im (TI ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) = m dan rank(TO ) = 0.
Operator Identitas
Diberikan ruang Euclid Rn dan matriks identitas I berorde n, maka transformasi
TI : Rn ! Rn adalah sebuah operator liniern oyang memetakan setiap ~v 2 V ke
dirinya sendiri. Kita memiliki ker (TI ) = ~0 dan Im (TI ) = Rn . Akibatnya
nulitas(TI ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) = m dan rank(TO ) = 0.
Operator Identitas
Diberikan ruang Euclid Rn dan matriks identitas I berorde n, maka transformasi
TI : Rn ! Rn adalah sebuah operator liniern oyang memetakan setiap ~v 2 V ke
dirinya sendiri. Kita memiliki ker (TI ) = ~0 dan Im (TI ) = Rn . Akibatnya
nulitas(TI ) = 0 dan rank(TI ) =
Transformasi Nol
Diberikan ruang Euclid Rm dan Rn dan matriks O yang berukuran n m, maka
transformasi TO : Rm ! Rn adalah sebuah transformasi linier yangn memetakan
o
setiap ~v 2 V ke ~0. Kita memiliki ker (TO ) = Rm dan Im (TO ) = ~0 . Akibatnya
nulitas(TO ) = m dan rank(TO ) = 0.
Operator Identitas
Diberikan ruang Euclid Rn dan matriks identitas I berorde n, maka transformasi
TI : Rn ! Rn adalah sebuah operator liniern oyang memetakan setiap ~v 2 V ke
dirinya sendiri. Kita memiliki ker (TI ) = ~0 dan Im (TI ) = Rn . Akibatnya
nulitas(TI ) = 0 dan rank(TI ) = n.
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Permasalahan
Misalkan T : Rm ! Rn adalah sebuah transformasi linier. Apakah untuk setiap
~x 2 Rn transformasi T dapat direpresentasikan sebagai
T (~x) = A~x
Permasalahan
Misalkan T : Rm ! Rn adalah sebuah transformasi linier. Apakah untuk setiap
~x 2 Rn transformasi T dapat direpresentasikan sebagai
T (~x) = A~x
Teorema
Jika T : Rm ! Rn adalah sebuah transformasi linier, maka T (~x) = A~x untuk
suatu matriks A yang berukuran n m dengan
Bukti
Misalkan ~x = (x1 ; x2 ; : : : ; xm ) 2 Rm , maka
~x =
Bukti
Misalkan ~x = (x1 ; x2 ; : : : ; xm ) 2 Rm , maka
dengan f~e1 ; ~e2 ; : : : ; ~em g adalah basis standar dari Rm . Karena T adalah
transformasi linier, maka
Bukti
Misalkan ~x = (x1 ; x2 ; : : : ; xm ) 2 Rm , maka
dengan f~e1 ; ~e2 ; : : : ; ~em g adalah basis standar dari Rm . Karena T adalah
transformasi linier, maka
Bukti
Misalkan ~x = (x1 ; x2 ; : : : ; xm ) 2 Rm , maka
dengan f~e1 ; ~e2 ; : : : ; ~em g adalah basis standar dari Rm . Karena T adalah
transformasi linier, maka
Untuk 1 i m,
Akibatnya
2 3
2 3 0
a11 a12 a1i a1m 6 . 7
6 a21 a22 a2i a2m 7 6 .. 7
6 76 7
6 .. .. .. .. .. 76 0 7
6 . . . . . 76 7
A~ei = 6
6 aji
76 1 7 =
76 7
6 aj2 aji ajm 76 0 7
6 .. .. .. .. .. 76 7
4 . . . . . 5 6 .. 7
4 . 5
an1 an2 ani anm
0
Akibatnya
2 3 2 3
2 3 0 a1i
a11 a12 a1i a1m 6 . 7 6 a2i 7
6 a21 a22 a2i a2m 7 6 .. 7 6 7
6 76 7 6 .. 7
6 .. .. .. .. .. 76 0 7 6 . 7
6 . . 76 7 6 7
. . . 6 .. 7
A~ei = 6
6 aji
76 1 7 =
76 7 6 . 7
6 aj2 aji ajm 76 0 7 6 7
6 .. .. .. .. .. 76 7 6 aji 7
4 . . 5 6 .. 7 6 7
. . . 4 . 5 6 .. 7
4 . 5
an1 an2 ani anm
0 ani
[T ] =
Akibatnya
2 3 2 3
2 3 0 a1i
a11 a12 a1i a1m 6 . 7 6 a2i 7
6 a21 a22 a2i a2m 7 6 .. 7 6 7
6 76 7 6 .. 7
6 .. .. .. .. .. 76 0 7 6 . 7
6 . . 76 7 6 7
. . . 6 .. 7
A~ei = 6
6 aji
76 1 7 =
76 7 6 . 7
6 aj2 aji ajm 76 0 7 6 7
6 .. .. .. .. .. 76 7 6 aji 7
4 . . 5 6 .. 7 6 7
. . . 4 . 5 6 .. 7
4 . 5
an1 an2 ani anm
0 ani
[T ] =
Solusi soal 1:
Solusi soal 1:
Karena T dari R2 ke R2 , maka [T ] =
Solusi soal 1:
a b
Karena T dari R2 ke R2 , maka [T ] = . Kita memiliki T (1; 0) =
c d
Solusi soal 1:
a b
Karena T dari R2 ke R2 , maka [T ] = . Kita memiliki T (1; 0) = (0; 1)
c d
dan T (0; 1) =
Solusi soal 1:
a b
Karena T dari R2 ke R2 , maka [T ] = . Kita memiliki T (1; 0) = (0; 1)
c d
dan T (0; 1) = ( 1; 0). Tinjau bahwa
Solusi soal 1:
a b
Karena T dari R2 ke R2 , maka [T ] = . Kita memiliki T (1; 0) = (0; 1)
c d
dan T (0; 1) = ( 1; 0). Tinjau bahwa
1 0 a b 1 0 a 0
[T ] = ) = ) = , jadi a = 0
0 1 c d 0 1 c 1
dan c = 1.
0 1 a b 0 1 b 1
[T ] = ) = ) = , jadi
1 0 c d 1 0 d 0
b = 1 dan d = 0.
Jadi diperoleh matriks standar [T ] =
Solusi soal 1:
a b
Karena T dari R2 ke R2 , maka [T ] = . Kita memiliki T (1; 0) = (0; 1)
c d
dan T (0; 1) = ( 1; 0). Tinjau bahwa
1 0 a b 1 0 a 0
[T ] = ) = ) = , jadi a = 0
0 1 c d 0 1 c 1
dan c = 1.
0 1 a b 0 1 b 1
[T ] = ) = ) = , jadi
1 0 c d 1 0 d 0
b = 1 dan d = 0.
0 1
Jadi diperoleh matriks standar [T ] = .
1 0
MZI (FIF Tel-U) Transformasi Linier November – Desember 2015 34 / 93
Metode Konstruksi Matriks Standar
Solusi soal 2:
Karena T dari R3 ke R2 , maka [T ] =
Solusi soal 2:
a b c
Karena T dari R3 ke R2 , maka [T ] = . Kita memiliki
d e f
T (1; 0; 0) =
Solusi soal 2:
a b c
Karena T dari R3 ke R2 , maka [T ] = . Kita memiliki
d e f
T (1; 0; 0) = (1; 0), T (0; 1; 0) =
Solusi soal 2:
a b c
Karena T dari R3 ke R2 , maka [T ] = . Kita memiliki
d e f
T (1; 0; 0) = (1; 0), T (0; 1; 0) = ( 1; 0), dan T (0; 0; 1) =
Solusi soal 2:
a b c
Karena T dari R3 ke R2 , maka [T ] = . Kita memiliki
d e f
T (1; 0; 0) = (1; 0), T (0; 1; 0) = ( 1; 0), dan T (0; 0; 1) = (1; 0). Tinjau bahwa
Solusi soal 2:
a b c
Karena T dari R3 ke R2 , maka [T ] = . Kita memiliki
d e f
T (1;2 0; 0)3 = (1; 0), T (0; 1; 0) = ( 1;20), dan
3 T (0; 0; 1) = (1; 0). Tinjau bahwa
1 1
1 a b c 4 1 a 1
[T ] 4 0 5 = ) 0 5= ) = , jadi
0 d e f 0 d 0
0 0
a =21 dan 3 d = 0. 2 3
0 0
1 a b c 4 5 1 b 1
[T ] 4 1 5 = ) 1 = ) = ,
0 d e f 0 e 0
0 0
jadi2b = 3 1 dan e = 0. 2 3
0 0
1 a b c 4 0 5 = 1 ) c = 1 , jadi
[T ] 4 0 5 = )
0 d e f 0 f 0
1 1
c = 1 dan f = 0.
Jadi diperoleh matriks standar [T ] =
Solusi soal 2:
a b c
Karena T dari R3 ke R2 , maka [T ] = . Kita memiliki
d e f
T (1;2 0; 0)3 = (1; 0), T (0; 1; 0) = ( 1;20), dan
3 T (0; 0; 1) = (1; 0). Tinjau bahwa
1 1
1 a b c 4 1 a 1
[T ] 4 0 5 = ) 0 5= ) = , jadi
0 d e f 0 d 0
0 0
a =21 dan 3 d = 0. 2 3
0 0
1 a b c 4 5 1 b 1
[T ] 4 1 5 = ) 1 = ) = ,
0 d e f 0 e 0
0 0
jadi2b = 3 1 dan e = 0. 2 3
0 0
1 a b c 4 0 5 = 1 ) c = 1 , jadi
[T ] 4 0 5 = )
0 d e f 0 f 0
1 1
c = 1 dan f = 0.
1 1 1
Jadi diperoleh matriks standar [T ] = .
0 0 0
Solusi soal 3:
Solusi soal 3: 3 2
a b
Karena T dari R2 ke R3 , maka [T ] = 4 c d 5. Kita memiliki
e f
T (1; 0) =
Solusi soal 3: 3 2
a b
Karena T dari R2 ke R3 , maka [T ] = 4 c d 5. Kita memiliki
e f
T (1; 0) = (1; 1; 0) dan T (0; 1) =
Solusi soal 3: 3 2
a b
Karena T dari R2 ke R3 , maka [T ] = 4 c d 5. Kita memiliki
e f
T (1; 0) = (1;2 1; 0)3dan 2T (0; 1) =
3 ( 1; 2 Tinjau
0; 1). 3 bahwa
2 3 2 3
1 a b 1 a 1
1 1
[T ] =4 1 5)4 c d 5 =4 1 5)4 c 5=4 1 5, jadi
0 0
0 e f 0 e 0
a = 1, c = 21, dan 3e = 0.2 3 2 3 2 3 2 3
1 a b 1 b 1
0 0
[T ] =4 0 5)4 c d 5 =4 0 5)4 d 5=4 0 5, jadi
1 1
1 e f 1 f 1
b = 1, d = 0, dan f = 1.
Solusi soal 3: 3 2
a b
Karena T dari R2 ke R3 , maka [T ] = 4 c d 5. Kita memiliki
e f
T (1; 0) = (1;2 1; 0)3dan 2T (0; 1) =
3 ( 1; 2 Tinjau
0; 1). 3 bahwa
2 3 2 3
1 a b 1 a 1
1 1
[T ] =4 1 5)4 c d 5 =4 1 5)4 c 5=4 1 5, jadi
0 0
0 e f 0 e 0
a = 1, c = 21, dan 3e = 0.2 3 2 3 2 3 2 3
1 a b 1 b 1
0 0
[T ] =4 0 5)4 c d 5 =4 0 5)4 d 5=4 0 5, jadi
1 1
1 e f 1 f 1
b = 1, d = 0, dan f = 1. 2 3
1 1
Jadi diperoleh matriks standar [T ] = 4 1 0 5.
0 1
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Gar…eld:
Gar…eld:
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
dari T , yaitu [T ], adalah
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
dari T , yaitu [T ], adalah
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y y
1 0
dari T , yaitu [T ], adalah karena
0 1
1 0 x x
=
0 1 y y
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02
31 0 1
x x
Kita memiliki T @4 y 5A = @ y A untuk setiap (x; y; z) 2 R3 . Matriks
z z
2 3
1 0 0
standar dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1
=
c d 0
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan (1; 0), jadi
a b 0
=
c d 1
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan (1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan (1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1 x y
Akibatnya diperoleh matriks standar [T ] = dan T = .
1 0 y x
Kita memiliki ker (T ) =
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan (1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1 x y
Akibatnya diperoleh matriks standar [T ] = dan T = .
1 0 y x
Kita memiliki ker (T ) = f(0; 0)g dan Im (T ) =
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan (1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1 x y
Akibatnya diperoleh matriks standar [T ] = dan T = .
1 0 y x
Kita memiliki ker (T ) = f(0; 0)g dan Im (T ) = R2 . Akibatnya nulitas (T ) = 0
dan rank (T ) = 2.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan (1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1 x y
Akibatnya diperoleh matriks standar [T ] = dan T = .
1 0 y x
Kita memiliki ker (T ) = f(0; 0)g dan Im (T ) = R2 . Akibatnya nulitas (T ) = 0
dan rank (T ) = 2. Nilai eigen dari T adalah 1 = 1 dan 2 = 1.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1
=
c d 0
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan ( 1; 0), jadi
a b 0
=
c d 1
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan ( 1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan ( 1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1
Akibatnya diperoleh matriks standar [T ] = dan
1 0
x y
T = . Kita memiliki ker (T ) =
y x
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan ( 1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1
Akibatnya diperoleh matriks standar [T ] = dan
1 0
x y
T = . Kita memiliki ker (T ) = f(0; 0)g dan Im (T ) =
y x
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan ( 1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1
Akibatnya diperoleh matriks standar [T ] = dan
1 0
x y
T = . Kita memiliki ker (T ) = f(0; 0)g dan Im (T ) = R2 .
y x
Akibatnya nulitas (T ) = 0 dan rank (T ) = 2.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari re‡eksi terhadap garis
c d
y = x, maka
re‡eksi dari (1; 0) terhadap garis y = x menghasilkan (0; 1), jadi
a b 1 a 0
= =
c d 0 c 1
re‡eksi dari (0; 1) terhadap garis y = x menghasilkan ( 1; 0), jadi
a b 0 b 1
= =
c d 1 d 0
0 1
Akibatnya diperoleh matriks standar [T ] = dan
1 0
x y
T = . Kita memiliki ker (T ) = f(0; 0)g dan Im (T ) = R2 .
y x
Akibatnya nulitas (T ) = 0 dan rank (T ) = 2. Nilai eigen dari T adalah 1 = 1
dan 2 = 1.
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Gar…eld:
Gar…eld:
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y 0
dari T , yaitu [T ], adalah
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y 0
1 0
dari T , yaitu [T ], adalah karena
0 0
1 0 x x
=
0 0 y 0
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y 0
1 0
dari T , yaitu [T ], adalah karena
0 0
1 0 x x
=
0 0 y 0
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y 0
1 0
dari T , yaitu [T ], adalah karena
0 0
1 0 x x
=
0 0 y 0
Kita memiliki ker (T ) = span f(0; 1)g dan Im (T ) = span f(1; 0)g. Jadi kernel dari
T adalah sumbu y pada R2 dan peta dari T adalah sumbu x pada R2 . Akibatnya
nulitas(T ) = 1 dan rank(T ) = 1.
x x
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar
y 0
1 0
dari T , yaitu [T ], adalah karena
0 0
1 0 x x
=
0 0 y 0
Kita memiliki ker (T ) = span f(0; 1)g dan Im (T ) = span f(1; 0)g. Jadi kernel dari
T adalah sumbu y pada R2 dan peta dari T adalah sumbu x pada R2 . Akibatnya
nulitas(T ) = 1 dan rank(T ) = 1. Nilai eigen dari T adalah 1 = 0 dan 2 = 1.
Gar…eld:
Gar…eld:
x 0
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar dari
y y
T , yaitu [T ], adalah
x 0
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar dari
y y
0 0
T , yaitu [T ], adalah karena
0 1
0 0 x 0
=
0 1 y y
x 0
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar dari
y y
0 0
T , yaitu [T ], adalah karena
0 1
0 0 x 0
=
0 1 y y
x 0
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar dari
y y
0 0
T , yaitu [T ], adalah karena
0 1
0 0 x 0
=
0 1 y y
Kita memiliki ker (T ) = span f(1; 0)g dan Im (T ) = span f(0; 1)g. Jadi kernel dari
T adalah sumbu x pada R2 peta dari T adalah sumbu y pada R2 . Akibatnya
nulitas(T ) = 1 dan rank(T ) = 1.
x 0
Kita memiliki T = untuk setiap (x; y) 2 R2 . Matriks standar dari
y y
0 0
T , yaitu [T ], adalah karena
0 1
0 0 x 0
=
0 1 y y
Kita memiliki ker (T ) = span f(1; 0)g dan Im (T ) = span f(0; 1)g. Jadi kernel dari
T adalah sumbu x pada R2 peta dari T adalah sumbu y pada R2 . Akibatnya
nulitas(T ) = 1 dan rank(T ) = 1. Nilai eigen dari T adalah 1 = 0 dan 2 = 1.
02
31 2 3
x x
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z 0
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z 0
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 0
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 0 z 0
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z 0
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 0
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 0 z 0
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z 0
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 0
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 0 z 0
Kita memiliki ker (T ) = span f(0; 0; 1)g dan Im (T ) = span f(1; 0; 0) ; (0; 1; 0)g.
Jadi kernel dari R adalah sumbu z pada R3 dan peta dari T adalah bidang xy
pada R3 . Akibatnya nulitas(T ) = 1 dan rank(T ) = 2.
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z 0
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 0
2 32 3 2 3
1 0 0 x x
4 0 1 0 54 y 5 = 4 y 5
0 0 0 z 0
Kita memiliki ker (T ) = span f(0; 0; 1)g dan Im (T ) = span f(1; 0; 0) ; (0; 1; 0)g.
Jadi kernel dari R adalah sumbu z pada R3 dan peta dari T adalah bidang xy
pada R3 . Akibatnya nulitas(T ) = 1 dan rank(T ) = 2. Nilai eigen dari T adalah
1 = 0 dan 2;3 = 1.
02
31 2 3
x x
Kita memiliki T @4 y 5A = 4 0 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 0 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 0 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 0 0 54 y 5 = 4 0 5
0 0 1 z z
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 0 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 0 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 0 0 54 y 5 = 4 0 5
0 0 1 z z
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 0 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 0 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 0 0 54 y 5 = 4 0 5
0 0 1 z z
Kita memiliki ker (T ) = span f(0; 1; 0)g dan Im (T ) = span f(1; 0; 0) ; (0; 0; 1)g.
Jadi kernel dari T adalahg sumbu y pada R3 dan peta dari T adalah bidang xz
pada R3 . Akibatnya nulitas(T ) = 1 dan rank(T ) = 2.
02 31 2 3
x x
Kita memiliki T @4 y 5A = 4 0 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
1 0 0
dari T , yaitu [T ], adalah 4 0 0 0 5 karena
0 0 1
2 32 3 2 3
1 0 0 x x
4 0 0 0 54 y 5 = 4 0 5
0 0 1 z z
Kita memiliki ker (T ) = span f(0; 1; 0)g dan Im (T ) = span f(1; 0; 0) ; (0; 0; 1)g.
Jadi kernel dari T adalahg sumbu y pada R3 dan peta dari T adalah bidang xz
pada R3 . Akibatnya nulitas(T ) = 1 dan rank(T ) = 2. Nilai eigen dari T adalah
1 = 0 dan 2;3 = 1.
02
31 2 3
x 0
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
02 31 2 3
x 0
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
0 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
0 0 0 x 0
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02 31 2 3
x 0
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
0 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
0 0 0 x 0
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
02 31 2 3
x 0
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
0 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
0 0 0 x 0
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
Kita memiliki ker (T ) = span f(1; 0; 0)g dan Im (T ) = span f(0; 1; 0) ; (0; 0; 1)g.
Jadi kernel dari T adalah sumbu x pada R3 dan peta dari T adalah bidang yz
pada R3 . Akibatnya nulitas(T ) = 1 dan rank(T ) = 2.
02 31 2 3
x 0
Kita memiliki T @4 y 5A = 4 y 5 untuk setiap (x; y; z) 2 R3 . Matriks standar
z z
2 3
0 0 0
dari T , yaitu [T ], adalah 4 0 1 0 5 karena
0 0 1
2 32 3 2 3
0 0 0 x 0
4 0 1 0 54 y 5 = 4 y 5
0 0 1 z z
Kita memiliki ker (T ) = span f(1; 0; 0)g dan Im (T ) = span f(0; 1; 0) ; (0; 0; 1)g.
Jadi kernel dari T adalah sumbu x pada R3 dan peta dari T adalah bidang yz
pada R3 . Akibatnya nulitas(T ) = 1 dan rank(T ) = 2. Nilai eigen dari T adalah
1 = 0 dan 2;3 = 1.
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Gar…eld:
Gar…eld:
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari rotasi sebesar yang
c d
berlawanan arah jarum jam. Dengan cara yang serupa seperti sebelumnya, kita
akan menentukan T (1; 0) dan T (0; 1) terlebih dulu.
Kita dapat mencari persamaan untuk T dan matriks standar [T ] secara simultan.
a b
Misalkan [T ] = adalah matriks standar dari rotasi sebesar yang
c d
berlawanan arah jarum jam. Dengan cara yang serupa seperti sebelumnya, kita
akan menentukan T (1; 0) dan T (0; 1) terlebih dulu. Tinjau gambar berikut:
Kita memiliki
T (1; 0) =
Kita memiliki
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
T (0; 1) =
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
a b 0 b sin
T (0; 1) = ( sin ; cos ). Jadi = = .
c d 1 d cos
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
a b 0 b sin
T (0; 1) = ( sin ; cos ). Jadi = = .
c d 1 d cos
cos sin
Akibatnya diperoleh matriks standar [T ] = dan
sin cos
T (x; y) =
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
a b 0 b sin
T (0; 1) = ( sin ; cos ). Jadi = = .
c d 1 d cos
cos sin
Akibatnya diperoleh matriks standar [T ] = dan
sin cos
T (x; y) = (x cos y sin ; x sin + y cos ). Kita memiliki ker (T ) =
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
a b 0 b sin
T (0; 1) = ( sin ; cos ). Jadi = = .
c d 1 d cos
cos sin
Akibatnya diperoleh matriks standar [T ] = dan
sin cos
T (x; y) = (x cos y sin ; x sin + y cos ). Kita memiliki ker (T ) = f(0; 0)g
dan Im (T ) =
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
a b 0 b sin
T (0; 1) = ( sin ; cos ). Jadi = = .
c d 1 d cos
cos sin
Akibatnya diperoleh matriks standar [T ] = dan
sin cos
T (x; y) = (x cos y sin ; x sin + y cos ). Kita memiliki ker (T ) = f(0; 0)g
dan Im (T ) = R2 , sehingga nulitas(T ) = 0 dan rank(T ) = 2.
Kita memiliki
a b 1 a cos
T (1; 0) = (cos ; sin ). Jadi = = .
c d 0 c sin
a b 0 b sin
T (0; 1) = ( sin ; cos ). Jadi = = .
c d 1 d cos
cos sin
Akibatnya diperoleh matriks standar [T ] = dan
sin cos
T (x; y) = (x cos y sin ; x sin + y cos ). Kita memiliki ker (T ) = f(0; 0)g
dan Im (T ) = R2 , sehingga nulitas(T ) = 0 dan rank(T ) = 2. Nilai eigen dari T
adalah 1 = cos i sin dan 2 = cos + i sin .
Pada gambar di atas, x adalah vektor yang dirotasi dan w adalah hasil rotasi dari
x.
MZI (FIF Tel-U) Transformasi Linier November – Desember 2015 72 / 93
Beberapa Operator Rotasi di R2 dan R3
2 3
1 0 0
Akibatnya diperoleh matriks standar [T ] = 4 0 cos sin 5 dan
0 sin cos
T (x; y; z) =
3 2
1 0 0
Akibatnya diperoleh matriks standar [T ] = 4 0 cos sin 5 dan
0 sin cos
T (x; y; z) = (x; y cos z sin ; y sin + z cos ). Kita memiliki
ker (T ) =
3 2
1 0 0
Akibatnya diperoleh matriks standar [T ] = 4 0 cos sin 5 dan
0 sin cos
T (x; y; z) = (x; y cos z sin ; y sin + z cos ). Kita memiliki
ker (T ) = f(0; 0; 0)g dan Im (T ) =
3 2
1 0 0
Akibatnya diperoleh matriks standar [T ] = 4 0 cos sin 5 dan
0 sin cos
T (x; y; z) = (x; y cos z sin ; y sin + z cos ). Kita memiliki
ker (T ) = f(0; 0; 0)g dan Im (T ) = R3 , sehingga nulitas(T ) = 0 dan
rank(T ) = 3.
3 2
1 0 0
Akibatnya diperoleh matriks standar [T ] = 4 0 cos sin 5 dan
0 sin cos
T (x; y; z) = (x; y cos z sin ; y sin + z cos ). Kita memiliki
ker (T ) = f(0; 0; 0)g dan Im (T ) = R3 , sehingga nulitas(T ) = 0 dan
rank(T ) = 3. Nilai eigen dari T adalah 1 = 1, 2 = cos + i sin , dan
3 = cos i sin .
Pada gambar di atas, x adalah vektor yang dirotasi dan w adalah hasil rotasi dari
x.
MZI (FIF Tel-U) Transformasi Linier November – Desember 2015 75 / 93
Beberapa Operator Rotasi di R2 dan R3
Sama seperti sebelumnya, kita dapat mencari persamaan untuk T dan matriks
Pada gambar di atas, x adalah vektor yang dirotasi dan w adalah hasil rotasi dari
x.
MZI (FIF Tel-U) Transformasi Linier November – Desember 2015 77 / 93
Beberapa Operator Rotasi di R2 dan R3
Sama seperti sebelumnya, kita dapat mencari persamaan untuk T dan matriks
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Operator kontraksi
Operator dilasi
Gar…eld:
Gar…eld:
Gar…eld:
T (x; y) =
Bahasan
1 Motivasi: Untuk Apa Mempelajari Transformasi Linier?
2 De…nisi Transformasi dan Tranformasi Linier
3 Transformasi dengan Matriks di Ruang Euclid
4 Nilai dan Vektor Eigen dari Operator Linier
5 Kernel, Nulitas, Peta, dan Rank dari Transformasi Linier
6 Transformasi Nol dan Operator Identitas
7 Metode Konstruksi Matriks Standar
8 Beberapa Operator Re‡eksi di R2 dan R3
9 Beberapa Operator Proyeksi di R2 dan R3
10 Beberapa Operator Rotasi di R2 dan R3
11 Operator Dilasi/ Dilatasi dan Kontraksi di R2 dan R3
12 Operator Kompresi, Ekspansi, dan Transveksi di R2 dan R3
Pada dilasi/ kontraksi, setiap koordinat dari x maupun y (dan z jika ada)
dikalikan dengan suatu bilangan real positif k.
Pada dilasi/ kontraksi, setiap koordinat dari x maupun y (dan z jika ada)
dikalikan dengan suatu bilangan real positif k. Pada kompresi dan ekspansi
(terkadang juga disebut sebagai shear ), hanya satu koordinat saja yang
dikalikan dengan suatu bilangan real positif k. Kompresi terjadi jika 0 < k 1
dan ekspansi terjadi jika k > 1.
Ilustrasi kompresi di R2
Ilustrasi ekspansi di R2
Gar…eld:
Gar…eld:
Gar…eld:
Pada keempat operator yang dijelaskan di atas, kita memiliki ker (T ) = f(0; 0)g
dan Im (T ) =
Pada keempat operator yang dijelaskan di atas, kita memiliki ker (T ) = f(0; 0)g
dan Im (T ) = R2 , sehingga nulitas(T ) = 0 dan rank(T ) = 2.
Pada keempat operator yang dijelaskan di atas, kita memiliki ker (T ) = f(0; 0)g
dan Im (T ) = R2 , sehingga nulitas(T ) = 0 dan rank(T ) = 2. Nilai eigen dari T
adalah 1 = 1 dan 2 = k.
dari T adalah [T ] =
dari T adalah [T ] =
dari T adalah [T ] =
Pada keenam operator yang dijelaskan di atas, kita memiliki ker (T ) = f(0; 0; 0)g
dan Im (T ) =
Pada keenam operator yang dijelaskan di atas, kita memiliki ker (T ) = f(0; 0; 0)g
dan Im (T ) = R3 , sehingga nulitas(T ) = 0 dan rank(T ) = 3.
Pada keenam operator yang dijelaskan di atas, kita memiliki ker (T ) = f(0; 0; 0)g
dan Im (T ) = R3 , sehingga nulitas(T ) = 0 dan rank(T ) = 3. Nilai eigen dari T
adalah 1;2 = 1 dan 3 = k.
Transveksi pada R2
Transveksi merupakan suatu bentuk shear yang lebih umum dari kompresi
maupun ekspansi. Transveksi dengan faktor k 2 R pada R2 adalah transformasi
yang memiliki persamaan T (x; y) = (x + ky; y) atau T (x; y) = (x; y + kx).
Transveksi pada R2
Transveksi merupakan suatu bentuk shear yang lebih umum dari kompresi
maupun ekspansi. Transveksi dengan faktor k 2 R pada R2 adalah transformasi
yang memiliki persamaan T (x; y) = (x + ky; y) atau T (x; y) = (x; y + kx).
Jika T (x; y) = (x + ky; y) maka titik (x; y) dipetakan ke titik yang
ordinatnya sama tetapi absisnya digeser sebanyak ky dengan y adalah nilai
ordinat titik mula-mula.
Transveksi pada R2
Transveksi merupakan suatu bentuk shear yang lebih umum dari kompresi
maupun ekspansi. Transveksi dengan faktor k 2 R pada R2 adalah transformasi
yang memiliki persamaan T (x; y) = (x + ky; y) atau T (x; y) = (x; y + kx).
Jika T (x; y) = (x + ky; y) maka titik (x; y) dipetakan ke titik yang
ordinatnya sama tetapi absisnya digeser sebanyak ky dengan y adalah nilai
ordinat titik mula-mula.
Jika T (x; y) = (x; y + kx) maka titik (x; y) dipetakan ke titik yang absisnya
sama tetapi ordinatnya digeser sebanyak kx dengan x adalah nilai absis titik
mula-mula.
Gar…eld:
Gar…eld:
Gar…eld:
Pada dua operator di atas, kita memiliki ker (T ) = f(0; 0)g dan Im (T ) =
Pada dua operator di atas, kita memiliki ker (T ) = f(0; 0)g dan Im (T ) = R2 .
Akibatnya nulitas(T ) = 0 dan rank(T ) = 2.
Pada dua operator di atas, kita memiliki ker (T ) = f(0; 0)g dan Im (T ) = R2 .
Akibatnya nulitas(T ) = 0 dan rank(T ) = 2. Nilai eigen dari T adalah 1;2 = 1.